結果を予測する心停止AI

院外心停止に対処するため、大阪首都大学の研究者らは、病院前蘇生から得られるデータのみを使用して神経学的転帰を正確に予測し、患者が病院に到着した際に医師が十分な情報に基づいた判断を下せるようにする新しいスコアリング法を開発した。

なぜそれが重要なのか

患者搬送後、OHCA 患者は障害から死亡まで、好ましくない神経学的転帰に直面します。

大阪首都大学の研究者らが開発した新しいモデル「R-EDByUS」は、年齢、自発心拍再開までの期間または病院到着までの時間、傍観者による心肺蘇生の有無、心停止の目撃の有無、初期の心拍リズムという5つの主要な変数に基づいて名付けられています。

このモデルは、病院到着時の心原性OHCAの神経学的予後を正確に予測した。 研究 今月号に掲載された 蘇生。

「アルゴリズム内の入院前要素のみで構成されたスコアリングモデルは使いやすく、医療の最も早い段階で予後を予測できる可能性があると私たちは仮説を立てている」と研究者らは述べた。

彼らは、アメリカ心臓病学会のアルゴリズムの不利な特徴を活用しました。

• 目撃者なしの逮捕。
• 初期の非ショック適応リズム。
• 傍観者によるCPRは行われません。
• ROSCまでの時間は30分以上。
• CPR継続中。
• 血液pH
• 乳酸値が7mmol/l以上。
• 年齢 > 85 歳。
• 末期腎疾患。
• 心停止患者における心臓関連の原因。

研究者らは、OHCAが2005年から2019年の間に収集した、心臓起源と推定される成人942,891人に関する全日本ウツタイン登録のデータを使用した。研究者らは患者を、病院到着前にROSCを達成した患者と、到着時にまだCPRを受けている患者の2つのグループに分類した。次に、詳細な回帰ベースおよび簡略化されたモデルを使用して、各グループのR-EDByUSスコアを計算した。

18歳未満の患者、傍観者からCPRを受けた患者、その他いくつかの要因は除外された。

病院前ROSCグループでは、70.0%が不良な神経学的転帰となり、55.7%が死亡しました。病院到着時にEMSが継続CPRを行った患者では、99.4%が不良な神経学的転帰となり、98.2%が死亡しました。

「私たちの予測モデルは、集中治療の恩恵を受けそうな患者を特定し、予後が悪いと予測される患者への不必要な負担を軽減するのに役立ちます」と、大阪首都大学大学院医学研究科の医学講師でこの研究の筆頭著者である島田健信氏は語った。 ＭＳＮ 先週。

の 記事 このスコアリングモデルは医療提供者にとって貴重なツールとなり、蘇生を受けている患者の迅速な評価と管理に役立つと主張している。

研究者らは、 ウェブベースの計算機 臨床現場での使用は簡単で、将来的に検証される可能性があると彼らは述べた。

より大きなトレンド

AIを活用した患者トリアージは、適切なケアのチャネルを作成し、患者の転帰と経験を向上させ、リソースの使用を最適化する可能性があるが、それを評価するためには規制の厳格さが必要だと、予備的な症状分析とデジタルトリアージに重点を置く医療AI企業、インファーメディカの創設者兼CEO、ピオトル・オルジェホフスキ氏は述べている。

「AIツールは患者を診断する権限がない」とオルジェホフスキ氏は語った。 ヘルスケアITニュース 12月の会話の中で ヘルスケアとAIの関わり。

「生成AIは目覚ましい進歩を遂げているが、医療分野への実用化については慎重な姿勢を保たなければならない」と同氏は述べた。

記録に残る

「この無料の計算ツールを使用すると、ノモグラムを使って計算するのではなく、インターネット上で各変数をチェックすることで、不利な神経学的転帰や死亡率の予測確率を簡単に推定できる」と研究者らは述べた。

Andrea Fox は Healthcare IT News の上級編集者です。
メールアドレス: メールアドレス
Healthcare IT News は HIMSS Media が発行する出版物です。

HIMSS AI in Healthcare Forum は、9 月 5 日から 6 日までボストンで開催される予定です。 詳細と登録。